Redis基础到高级狂神笔记一篇总结完

学习视频：【狂神说Java】Redis最新超详细版教程通俗易懂_哔哩哔哩_bilibili 

目录

1.为什么用NoSQL

1.1单机MySQL的美好年代

        1.2 Memcached（缓存）+ MySQL + 垂直拆分(读写分离)

        1.3分表分库 + 水平拆分 + Mysql 集群

        1.4现今

        1.5为什么用NoSQL？   

 2.认识NoSQL

        NoSQL的特点

NoSQL四大分类 

3.认识Redis

        Redis能做什么？

          4.Redis的基本说明

使用Redis客户端进行连接

        为什么redis是单线程         

        Redis为什么这么快？  

5.关于RedisKey的基本命令

6.String字符串类型

7.列表List类型

8.集合Set类型详解

9.哈希Hash集合详解

10.有序集合Zset

11.GEO地理位置详解

12.HyperLogLog

13.BitMap

14.Redis基本的事务操作

15.Redis实现乐观锁

16.Jedis

对key操作的命令

对String操作的命令

对List操作命令

对Set的操作命令

对Hash的操作命令

17.SpringBoot整合Redis

18.自定义RedisTemplate

写一个Redis工具类（直接用RedisTemplate操作Redis，需要很多行代码，因此直接封装好一个 RedisUtils，这样写代码更方便点。这个RedisUtils交给Spring容器实例化，使用时直接注解注入。）

19.Redis.conf配置文件详解

20.持久化之RDB操作

21.持久化之AOF操作

22.Redis发布订阅

23.Redis主从复制

24.哨兵模式详解

25.缓存穿透和雪崩

---

1.为什么用NoSQL

1.1单机MySQL的美好年代

上述架构，数据存储的瓶颈:

        

        1. 数据量的总大小，太大的话一个机器放不下

        2. 数据的索引（ B+ Tree ）一个机器的内存放不下时

        3. 访问量（读写混合）一个实例不能承受

---

        1.2 Memcached（缓存）+ MySQL + 垂直拆分(读写分离)

---

        1.3分表分库 + 水平拆分 + Mysql 集群

---

        1.4现今

---

        1.5为什么用NoSQL？   

        今天我们可以通过第三方平台（如：Google ， FaceBook 等）可以很容易的访问和抓取数据。用户的个人信息，社交网络，地理位置，用户生成的数据和用户操作日志已经成倍的增加、我们如果要对这些用 户数据进行挖掘，那SQL 数据库已经不适合这些应用了，而 NoSQL 数据库的发展却能很好的处理这些大的数据

---

 2.认识NoSQL

        泛指非关系型的数据库，随着互联网Web2.0 网站的兴起，传统的关系数据库在应付 web2.0 网站，特别 是超大规模和高并发的社交网络服务类型的Web2.0 纯动态网站已经显得力不从心，暴露了很多难以克服 的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展，NoSQL 数据库的产生就是为 了解决大规模数据集合多种数据种类带来的挑战，尤其是大数据应用难题，包括超大规模数据的存储。

---

        NoSQL的特点

1、易扩展

数据之间无关系，这样就非常容易扩展，也无形之间，在架构的层面上带来了可扩展的能力。

2、大数据量高性能

： Redis 一秒可以写 8 万次，读 11 万次

3、多样灵活的数据模型

NoSQL无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式

4 、传统的 RDBMS VS NoSQL

传统的关系型数据库 RDBMS

- 高度组织化结构化数据

- 结构化查询语言（ SQL ）

- 数据和关系都存储在单独的表中

- 数据操纵语言，数据定义语言

- 严格的一致性

- 基础事务

        NoSQL

- 代表着不仅仅是 SQL

- 没有声明性查询语言

- 没有预定义的模式

- 键值对存储，列存储，文档存储，图形数据库

- 最终一致性，而非 ACID 属性

- 非结构化和不可预知的数据

- CAP 定理

- 高性能，高可用性 和 可伸缩性

---

NoSQL四大分类 

---

3.认识Redis

       Redis：REmote DIctionary Server（远程字典服务器），是一个基于内存的键值型NoSQL数据库。是完全开源免费的，用C语言编写的，遵守BSD协议，是一个高性能的（Key/Value）分布式内存数据 库，基于内存运行，并支持持久化的NoSQL数据库，是当前最热门的NoSQL数据库之一，也被人们称为数据结构服务器

        特征:

• 键值（key-value）型，value支持多种不同数据结构，功能丰富
• 单线程，每个命令具备原子性
• 低延迟，速度快（基于内存、IO多路复用、良好的编码）。
• 支持数据持久化
• 支持主从集群、分片集群
• 支持多语言客户端
• 支持数据的备份

---

        Redis能做什么？

        内存存储和持久化：redis 支持异步将内存中的数据写到硬盘上，同时不影响继续服务

取最新 N 个数据的操作，

如：可以将最新的 10 条评论的 ID 放在 Redis 的 List 集合里面

•    发布、订阅消息系统
•   地图信息分析
•   定时器、计数器

---

        常用网站

        https://redis.io/ 官网

        http://www.redis.cn 中文网

---

          4.Redis的基本说明

中间配环境搞了我一上午又回去看linux，我就不展示配置过程了

使用Redis客户端进行连接

redis默认有16个数据库

默认使用的是第0个

可以使用 select 进行切换

清楚当前数据库

---

        为什么redis是单线程         

        Redis很快！官方表示，因为 Redis 是基于内存的操作， CPU 不是 Redis 的瓶颈， Redis

的瓶颈最有可能是机器内存的大小或者网络带宽。既然单线程容易实现，而且 CPU 不会成为瓶颈，那就 顺理成章地采用单线程的方案了！

        

        Redis采用的是基于内存的采用的是单进程单线程模型的 KV 数据库，由 C 语言编写，官方提供的数据是可以达到100000+ 的 QPS （每秒内查询次数）。这个数据不比采用单进程多线程的同样基于内存的 KV 数据库 Memcached 差

        Redis为什么这么快？  

核心:redis是将所有的数据全部放在内存中，所以说使用单线程去操作效率就是最高的，多线程(CPU上下文会切换：耗时的操作！！！），对于内存系统来说，如果没有上下文切换效率就是最高的。多次读写都是一个CPU上的，在内存情况下，这个就是最佳的方案！

---

5.关于RedisKey的基本命令

• keys * 查看所有的 key
• exists key 的名字，判断某个 key 是否存在
• move key db ---> 当前库就没有了，被移除了
• expire key 秒钟：为给定 key 设置生存时间，当 key 过期时 ( 生存时间为 0 ) ，它会被自动删
• ttl key 查看还有多少秒过期，-1 表示永不过期，-2 表示已过期

type key 查看你的key是什么类型

---

6.String字符串类型

127.0.0.1:6379> set key1 v1 # 设置值
OK
127.0.0.1:6379> get key1 # 获得key
"v1"
127.0.0.1:6379> keys * # 查看全部的key
1) "key1"
127.0.0.1:6379> exists key1 # 确保 key1 不存在
(integer) 1
127.0.0.1:6379> append key1 "hello" # 对不存在的 key 进行 APPEND ，等同于 SET
key1 "hello"
(integer) 7
127.0.0.1:6379> get key1 
"v1hello"
127.0.0.1:6379> strlen key1 # 获取字符串的长度
(integer) 7
127.0.0.1:6379> append key1 ",kuangshen"
(integer) 17
127.0.0.1:6379> strlen key1
(integer) 17
127.0.0.1:6379> get key1
"v1hello,kuangshen"
127.0.0.1:6379> 

127.0.0.1:6379> set views 0 # 设置浏览量为0
OK
127.0.0.1:6379> incr views # 浏览 + 1
(integer) 1
127.0.0.1:6379> incr views # 浏览 + 1
(integer) 2
127.0.0.1:6379> decr views # 浏览 - 1
(integer) 1
127.0.0.1:6379> incrby views 10 # +10
(integer) 11
127.0.0.1:6379> decrby views 10 # -10
(integer) 1

127 .0.0.1:6379> set key2 abcd123456 # 设置 key2 的值

OK

127 .0.0.1:6379> getrange key2 0 -1 # 获得全部的值

"abcd123456"

127 .0.0.1:6379> getrange key2 0 2 # 截取部分字符串【0，2】

"abc

127 .0.0.1:6379> get key2

"abcd123456"

127 .0.0.1:6379> SETRANGE key2 1 xx # 替换值

(integer) 10

127 .0.0.1:6379> get key2

"axxd123456"

127 .0.0.1:6379> setex key3 60 expire # 设置过期时间（设置key3的值为 expire 60秒后过期）

OK

127 .0.0.1:6379> ttl key3 # 查看剩余的时间

(integer) 55

127 .0.0.1:6379> setnx mykey "redis" # 如果不存在就设置，成功返回 1

(integer) 1

127 .0.0.1:6379> setnx mykey "mongodb" # 如果存在就失败返回 0

(integer) 0

127 .0.0.1:6379> get mykey

"redis"

Mset 命令用于同时设置一个或多个 key-value 对。

Mget 命令返回所有 ( 一个或多个 ) 给定 key 的值。

127 .0.0.1:6379> mset k10 v10 k11 v11 k12 v12

OK

127 .0.0.1:6379> keys *

1 ) "k12"

2 ) "k11"

3 ) "k10"

127 .0.0.1:6379> mget k10 k11 k12 k13

1 ) "v10"

2 ) "v11"

3 ) "v12"

msetnx 当所有 key 都成功设置，返回 1 。

# 如果所有给定 key 都设置失败 (要么一起成功，要么一起失败 ) ，那么返回 0 。原子操

作

127 .0.0.1:6379> msetnx k10 v10 k15 v15 # 原子性操作！

(integer) 0

127 .0.0.1:6379> get key15

(nil)

最上面的含义是：设置一个user:1 对象，值为 json字符来保存一个对象！

下面的是 user:{id}:{filed}

就比如 article:1000:views 第1000篇文章的游览量

getset （先 get 再 set ） 先获取，在设置

总结:

        String数据结构是简单的 key-value 类型， value 其实不仅可以是 String ，也可以是数字。

常规 key-value 缓存应用： 常规计数：微博数，粉丝数等。

---

7.列表List类型

Lpush ：将一个或多个值插入到列表头部。（左）

rpush ：将一个或多个值插入到列表尾部。（右）

lrange ：返回列表中指定区间内的元素，区间以偏移量 START 和 END 指定。

中 0 表示列表的第一个元素， 1 表示列表的第二个元素，-1 表示列表的最后一个元素

注：lpush是将值放在列表的头部

     还有一个 rpush是将值放在列表的尾部

lpop 命令用于移除并返回列表的第一个元素。当列表 key 不存在时，返回 nil 。

rpop 移除列表的最后一个元素，返回值为移除的元素。

Lindex ，按照索引下标获得元素（ -1 代表最后一个， 0 代表是第一个）

llen 用于返回列表的长度

lrem key 根据参数 COUNT 的值，移除列表中与参数 VALUE 相等的元素

127 .0.0.1:6379> lrem list 1 "two"

(integer) 1

Ltrim key 对一个列表进行修剪 (trim) ，就是说，让列表只保留指定区间内的元素，不在指定区

间之内的元素都将被删除

127 .0.0.1:6379> RPUSH mylist "hello"

(integer) 1

127 .0.0.1:6379> RPUSH mylist "hello"

(integer) 2

127 .0.0.1:6379> RPUSH mylist "hello2"

(integer) 3

127 .0.0.1:6379> RPUSH mylist "hello3"

(integer) 4

127 .0.0.1:6379> ltrim mylist 1 2

OK

127 .0.0.1:6379> lrange mylist 0 -1

1 ) "hello"

2 ) "hello2"

#rpoplpush 移除列表的最后一个元素，并将该元素添加到另一个列表并返回

127 .0.0.1:6379> rpush mylist "hello"

(integer) 1

127 .0.0.1:6379> rpush mylist "foo"

(integer) 2

127 .0.0.1:6379> rpush mylist "bar"

(integer) 3

127 .0.0.1:6379> rpoplpush mylist myotherlist

"bar"

127 .0.0.1:6379> lrange mylist 0 -1

1 ) "hello"

2 ) "foo"

127 .0.0.1:6379> lrange myotherlist 0 -1

1 ) "bar"

# lset key index value 将列表 key 下标为 index 的元素的值设置为 value 。

linsert key before/after pivot value 用于在列表的元素前或者后插入元素。

# 将值 value 插入到列表 key 当中，位于值 pivot 之前或之后。

总结:

1. 它是一个字符串链表， left ， right 都可以插入添加
2. 如果key不存在，创建新的链表
3. 如果key已存在，新增内容
4. 如果值全移除，对应的键也就消失了
5. 链表的操作无论是头和尾效率都极高，但假如是对中间元素进行操作，效率就很惨淡了

List 的另一个应用就是消息队列，可以利用 List 的 PUSH 操作，将任务存在 List 中，然后工作线程再用POP 操作将任务取出进行执行。 Redis 还提供了操作 List 中某一段的 api ，你可以直接查询，删除List 中某一段的元素。 Redis的 list 是每个子元素都是 String 类型的双向链表，可以通 push 和 pop 操作从列表的头部或者尾部 添加或者删除元素，这样List 即可以作为栈，也可以作为队列。

---

8.集合Set类型详解

sadd 将一个或多个成员元素加入到集合中，不能重复

smembers 返回集合中的所有的成员。

sismember 命令判断成员元素是否是集合的成员。

127 .0.0.1:6379> sadd myset "hello"

(integer) 1

127 .0.0.1:6379> sadd myset "kuangshen"

(integer) 1

127 .0.0.1:6379> sadd myset "kuangshen"

(integer) 0

127 .0.0.1:6379> SMEMBERS myset

1 ) "kuangshen"

2 ) "hello"

127 .0.0.1:6379> SISMEMBER myset "hello"

(integer) 1

127 .0.0.1:6379> SISMEMBER myset "world"

(integer) 0

scard ，获取集合里面的元素个数

127 .0.0.1:6379> scard myset

(integer) 2

srem key value 用于移除集合中的一个或多个成员元素

127 .0.0.1:6379> srem myset "kuangshen"

(integer) 1

127 .0.0.1:6379> SMEMBERS myset

1 ) "hello"

srandmember key 命令用于返回集合中的一个随机元素。

127 .0.0.1:6379> SMEMBERS myset

1 ) "kuangshen"

2 ) "world"

3 ) "hello"

127 .0.0.1:6379> SRANDMEMBER myset

"hello"

127 .0.0.1:6379> SRANDMEMBER myset 2

1 ) "world"

2 ) "kuangshen"

127 .0.0.1:6379> SRANDMEMBER myset 2

1 ) "kuangshen"

2 ) "hello"

spop key 用于移除集合中的指定 key 的一个或多个随机元素

127 .0.0.1:6379> SMEMBERS myset

1 ) "kuangshen"

2 ) "world"

3 ) "hello"

127 .0.0.1:6379> spop myset

"world"

127 .0.0.1:6379> spop myset

"kuangshen"

127 .0.0.1:6379> spop myset

"hello"

smove SOURCE DESTINATION MEMBER

# 将指定成员 member 元素从 source 集合移动到 destination 集合。

127 .0.0.1:6379> sadd myset "hello"

(integer) 1

127 .0.0.1:6379> sadd myset "world"

(integer) 1

127 .0.0.1:6379> sadd myset "kuangshen"

(integer) 1

127 .0.0.1:6379> sadd myset2 "set2"

(integer) 1

127 .0.0.1:6379> smove myset myset2 "kuangshen"

(integer) 1

127 .0.0.1:6379> SMEMBERS myset

1 ) "world"

2 ) "hello"

127 .0.0.1:6379> SMEMBERS myset2

1 ) "kuangshen"

2 ) "set2"

数字集合类

- 差集： sdiff

- 交集： sinter

- 并集： sunion

127 .0.0.1:6379> sadd key1 "a"

(integer) 1

127 .0.0.1:6379> sadd key1 "b"

(integer) 1

127 .0.0.1:6379> sadd key1 "c"

(integer) 1

127 .0.0.1:6379> sadd key2 "c"

(integer) 1

127 .0.0.1:6379> sadd key2 "d"

(integer) 1

127 .0.0.1:6379> sadd key2 "e"

(integer) 1

127 .0.0.1:6379> SDIFF key1 key2 # 差集

1 ) "a"

2 ) "b"

127 .0.0.1:6379> SINTER key1 key2 # 交集

1 ) "c"

127 .0.0.1:6379> SUNION key1 key2 # 并集

1 ) "a"

2 ) "b"

3 ) "c"

4 ) "e"

5 ) "d"

在微博应用中，可以将一个用户所有的关注人存在一个集合中，将其所有粉丝存在一个集合。(共同关注，共同爱好） Redis 还为集合提供了求交集、并集、差集等操作，可以非常方便的实现如共同关注、共同喜好、二度好友等功能，对上面的所有集合操作，你还可以使用不同的命令选择将结果返回给客户端还是存集到一个新的集合中。

---

9.哈希Hash集合详解

kv 模式不变，但 V 是一个键值对

这个时候的值是一个map集合

hset 、 hget 命令用于为哈希表中的字段赋值 。

127 .0.0.1:6379> hset myhash field1 "kuangshen"

(integer) 1

127 .0.0.1:6379> hget myhash field1

"kuangshen"

hmset 、 hmget 同时将多个 field-value 对设置到哈希表中。会覆盖哈希表中已存在的字段。

hgetall 用于返回哈希表中，所有的字段和值。

127 .0.0.1:6379> HMSET myhash field1 "Hello" field2 "World"

OK

127 .0.0.1:6379> HGET myhash field1

"Hello"

127 .0.0.1:6379> HGET myhash field2

"World"

127 .0.0.1:6379> hgetall myhash

1 ) "field1"

2 ) "Hello"

3 ) "field2"

4 ) "World"

hdel 用于删除哈希表 key 中的一个或多个指定字段

127 .0.0.1:6379> HDEL myhash field1

(integer) 1

127 .0.0.1:6379> hgetall myhash

1 ) "field2"

2 ) "World"

hlen 获取哈希表中字段的数量。

127 .0.0.1:6379> hlen myhash

(integer) 1

127 .0.0.1:6379> HMSET myhash field1 "Hello" field2 "World"

OK

127 .0.0.1:6379> hlen myhash

(integer) 2

hexists 查看哈希表的指定字段是否存在。

127 .0.0.1:6379> hexists myhash field1

(integer) 1

127 .0.0.1:6379> hexists myhash field3

(integer) 0

hkeys 获取哈希表中的所有域（ field ）。

 hvals 返回哈希表所有域 (field)的值。

127 .0.0.1:6379> HKEYS myhash

1 ) "field2"

2 ) "field1"

127 .0.0.1:6379> HVALS myhash

1 ) "World"

2 ) "Hello"

hincrby 为哈希表中的字段值加上指定增量值

127 .0.0.1:6379> hset myhash field 5

(integer) 1

127 .0.0.1:6379> HINCRBY myhash field 1

(integer) 6

127 .0.0.1:6379> HINCRBY myhash field -1

(integer) 5

127 .0.0.1:6379> HINCRBY myhash field -10

(integer) -5

hsetnx 为哈希表中不存在的的字段赋值 。

127 .0.0.1:6379> HSETNX myhash field1 "hello"

(integer) 1 # 设置成功，返回 1 。

127 .0.0.1:6379> HSETNX myhash field1 "world"

(integer) 0 # 如果给定字段已经存在，返回 0 。

127 .0.0.1:6379> HGET myhash field1

"hello"

Redis hash 是一个 string 类型的 field 和 value 的映射表， hash 特别适合用于存储对象。 存储部分变更的数据，如用户信息等。而String更适合字符串的存储

---

10.有序集合Zset

zadd 将一个或多个成员元素及其分数值加入到有序集当中。

zrange 返回有序集中，指定区间内的成员

127 .0.0.1:6379> zadd myset 1 "one"

(integer) 1

127 .0.0.1:6379> zadd myset 2 "two" 3 "three"

(integer) 2

127 .0.0.1:6379> ZRANGE myset 0 -1

1 ) "one"

2 ) "two"

3 ) "three"

zrangebyscore 返回有序集合中指定分数区间的成员列表。有序集成员按分数值递增 ( 从小到大 )

次序排列。

127 .0.0.1:6379> zadd salary 2500 xiaoming

(integer) 1

127 .0.0.1:6379> zadd salary 5000 xiaohong

(integer) 1

127 .0.0.1:6379> zadd salary 500 kuangshen

(integer) 1

127 .0.0.1:6379> ZRANGEBYSCORE salary -inf + inf # 显示整个有序集

1 ) "kuangshen"

2 ) "xiaoming"

3 ) "xiaohong"

127 .0.0.1:6379> ZRANGEBYSCORE salary -inf + inf withscores # 递增排列

1 ) "kuangshen"

2 ) "500"

3 ) "xiaoming"

4 ) "2500"

5 ) "xiaohong"

6 ) "5000"

127 .0.0.1:6379> ZREVRANGE salary 0 -1 WITHSCORES # 递减排列

1 ) "xiaohong"

2 ) "5000"

3 ) "xiaoming"

4 ) "2500"

5 ) "kuangshen"

6 ) "500"

127 .0.0.1:6379> ZRANGEBYSCORE salary -inf 2500 WITHSCORES # 显示工资 <=2500

的所有成员

1 ) "kuangshen"

2 ) "500"

3 ) "xiaoming"

4 ) "2500"

zrem 移除有序集中的一个或多个成员

127 .0.0.1:6379> ZRANGE salary 0 -1

1 ) "kuangshen"

2 ) "xiaoming"

3 ) "xiaohong"

127 .0.0.1:6379> zrem salary kuangshen

(integer) 1

127 .0.0.1:6379> ZRANGE salary 0 -1

1 ) "xiaoming"

2 ) "xiaohong"

zcard 命令用于计算集合中元素的数量。

127 .0.0.1:6379> zcard salary

(integer) 2

OK

zcount 计算有序集合中指定分数区间的成员数量。

127 .0.0.1:6379> zadd myset 1 "hello"

(integer) 1

127 .0.0.1:6379> zadd myset 2 "world" 3 "kuangshen"

(integer) 2

127 .0.0.1:6379> ZCOUNT myset 1 3

(integer) 3

127 .0.0.1:6379> ZCOUNT myset 1 2

(integer) 2

zrank 返回有序集中指定成员的排名。其中有序集成员按分数值递增 ( 从小到大 )顺序排列。

127 .0.0.1:6379> zadd salary 2500 xiaoming

(integer) 1

127 .0.0.1:6379> zadd salary 5000 xiaohong

(integer) 1

127 .0.0.1:6379> zadd salary 500 kuangshen

(integer) 1

127 .0.0.1:6379> ZRANGE salary 0 -1 WITHSCORES # 显示所有成员及其 score 值

1 ) "kuangshen"

2 ) "500"

3 ) "xiaoming"

4 ) "2500"

5 ) "xiaohong"

6 ) "5000"

127 .0.0.1:6379> zrank salary kuangshen # 显示 kuangshen 的薪水等级，最少

(integer) 0

127 .0.0.1:6379> zrank salary xiaohong # 显示 xiaohong 的薪水等级，三

(integer) 2

zrevrank 返回有序集中成员的排名。其中有序集成员按分数值递减 ( 从大到小 ) 排序。

127 .0.0.1:6379> ZREVRANK salary kuangshen

(integer) 2

127 .0.0.1:6379> ZREVRANK salary xiaohong # 小红第一

(integer) 0

总结： 和 set 相比， sorted set 增加了一个权重参数 score ，使得集合中的元素能够按score进行有序排列        排行榜应用实现,取Top N 测试

---

11.GEO地理位置详解

  GEO 的数据结构总共有六个常用命令： geoadd、geopos、geodist、georadius、

georadiusbymember、gethash  

官方文档：https://www.redis.net.cn/order/3685.html

---

geoadd

语法：geoadd key longitude latitude member ...

# 将给定的空间元素 (纬度、经度、名字) 添加到指定的键里面。

# 这些数据会以有序集 he 的形式被储存在键里面，从而使得 georadius 和 georadiusbymember 这样的

命令可以在之后通过位置查询取得这些元素。

# geoadd 命令以标准的 x,y 格式接受参数 , 所以用户必须先输入经度 , 然后再输入纬度。

# geoadd 能够记录的坐标是有限的 : 非常接近两极的区域无法被索引。

# 有效的经度介于 -180-180 度之间，有效的纬度介于 -85.05112878 度至 85.05112878 度之间。，

当用户尝试输入一个超出范围的经度或者纬度时 ,geoadd 命令将返回一个错误。

 (来自官方文档）

127 .0.0.1:6379> geoadd china:city 116 .23 40 .22 北京

(integer) 1

127 .0.0.1:6379> geoadd china:city 121 .48 31 .40 上海 113 .88 22 .55 深圳 120 .21

30 .20 杭州

(integer) 3

127 .0.0.1:6379> geoadd china:city 106 .54 29 .40 重庆 108 .93 34 .23 西安 114 .02

30 .58 武汉

(integer) 3

---

geopos

语法:geopos key member [member...]

从key里返回所有给定位置元素的位置（经度和纬度）

127 .0.0.1:6379> geopos china:city 北京

1 ) 1 ) "116.23000055551528931"

2 ) "40.2200010338739844"

127 .0.0.1:6379> geopos china:city 上海 重庆

1 ) 1 ) "121.48000091314315796"

2 ) "31.40000025319353938"

2 ) 1 ) "106.54000014066696167"

2 ) "29.39999880018641676"

127 .0.0.1:6379> geopos china:city 新疆

1 ) (nil)

---

geodist

语法:geodist key member1 member2 [unit]

返回两个给定位置之间的距离，如果两个位置之间的其中一个不存在 , 那么命令返回空值。

# 指定单位的参数 unit 必须是以下单位的其中一个：

# m 表示单位为米

# km 表示单位为千米

# mi 表示单位为英里

# ft 表示单位为英尺

# 如果用户没有显式地指定单位参数 , 那么 geodist 默认使用米作为单位 。

#geodist 命令在计算距离时会假设地球为完美的球形 , 在极限情况下 , 这一假设最大会造成 0.5% 的误差。

127 .0.0.1:6379> geodist china:city 北京 上海

"1088785.4302"

127 .0.0.1:6379> geodist china:city 北京 上海 km

"1088.7854"

127 .0.0.1:6379> geodist china:city 重庆 北京 km

"1491.6716"

---

georadius

语法:georadius key longitude latitude radius m|km|ft|mi [withcoord][withdist]

[withhash][asc|desc][count count]

# 以给定的经纬度为中心， 找出某一半径内的元素

：比如我附近的人(获得所有附近的人的地址，定位）通过半径来查询，获得指定数量的人

测试：重新连接 redis-cli，增加参数 --raw ，可以强制输出中文，不然会乱码

# 在 china:city 中寻找坐标 100 30 半径为 1000km 的城市

127 .0.0.1:6379> georadius china:city 100 30 1000 km

重庆

西安

# withdist 返回位置名称和中心距离

127 .0.0.1:6379> georadius china:city 100 30 1000 km withdist

重庆

635 .2850

西安

963 .3171

# withcoord 返回位置名称和经纬度

127 .0.0.1:6379> georadius china:city 100 30 1000 km withcoord

重庆

106 .54000014066696167

29 .39999880018641676

西安

108 .92999857664108276

34 .23000121926852302

# withdist withcoord 返回位置名称 距离 和经纬度 count 限定寻找个数

127 .0.0.1:6379> georadius china:city 100 30 1000 km withcoord withdist count

1

重庆

635 .2850

106 .54000014066696167

29 .39999880018641676

127 .0.0.1:6379> georadius china:city 100 30 1000 km withcoord withdist count

2

重庆

635 .2850

106 .54000014066696167

29 .39999880018641676

西安

963 .3171

108 .92999857664108276

34 .23000121926852302

---

georadiusbymember

语法：

georadiusbymember key member radius m|km|ft|mi [withcoord][withdist]

[withhash][asc|desc][count count]

# 找出位于指定范围内的元素，中心点是由给定的位置元素决定

127 .0.0.1:6379> GEORADIUSBYMEMBER china:city 北京 1000 km

北京

西安

127 .0.0.1:6379> GEORADIUSBYMEMBER china:city 上海 400 km

杭州

上海

---

geohash

语法:geohash key member [member...]

# Redis 使用 geohash 将二维经纬度转换为一维字符串，字符串越长表示位置更精确 , 两个字符串越相似表示距离越近。

127 .0.0.1:6379> geohash china:city 北京 重庆

wx4sucu47r0

wm5z22h53v0

127 .0.0.1:6379> geohash china:city 北京 上海

wx4sucu47r0

wtw6sk5n300

---

zrem

GEO 没有提供删除成员的命令，但是因为 GEO的底层实现是zset ，所以可以借用 zrem 命令实现对地理位 置信息的删除

127 .0.0.1:6379> geoadd china:city 116 .23 40 .22 beijin

1

127 .0.0.1:6379> zrange china:city 0 -1 # 查看地图中全部的元素

重庆

西安

深圳

武汉

杭州

上海

beijin

北京

127 .0.0.1:6379> zrem china:city beijin # 移除元素

1

127 .0.0.1:6379> zrem china:city 北京 # 移除元素

1

127 .0.0.1:6379> zrange china:city 0 -1

重庆

西安

深圳

武汉

杭州

上海

---

12.HyperLogLog

HyperLogLog 是用来做基数统计的算法， HyperLogLog 的优点是，在输入元素的数量或者体积

非常非常大时，计算基数所需的空间总是固定 的、并且是很小的。

        它提供了不精确的去重计数方案。：假如我要统计网页的 UV （浏览用户数量，一天内同一个用户多次访问只能算一次），传统的 解决方案是使用 Set 来保存用户 id ，然后统计 Set 中的元素数量来获取页面 UV 。但这种方案只能承载少量 用户，一旦用户数量大起来就需要消耗大量的空间来存储用户 id 。我的目的是统计用户数量而不是保存 用户，这简直是个吃力不讨好的方案！而使用 Redis 的 HyperLogLog 最多需要 12k 就可以统计大量的用户 数，尽管它大概有 0.81% 的错误率，但对于统计 UV 这种不需要很精确的数据是可以忽略不计的

        什么是基数:

比如数据集 {1, 3, 5, 7, 5, 7, 8} ， 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数 ( 不重复元素 ) 为 5 。

---

命令：[PFADD key element [element ...]

添加指定元素到 HyperLogLog 中。

          [PFCOUNT key [key ...]

返回给定 HyperLogLog 的基数估算值。

127.0 . 0.1 : 6379 > PFADD mykey a b c d e f g h i j

1

127.0 . 0.1 : 6379 > PFCOUNT mykey

10

127.0 . 0.1 : 6379 > PFADD mykey2 i j z x c v b n m

1

         [PFMERGE destkey sourcekey

        [sourcekey ...]

将多个 HyperLogLog 合并为一个 HyperLogLog ，并

集计算

PFMERGE mykey3 mykey mykey2

OK

127.0 . 0.1 : 6379 > PFCOUNT mykey3

15

总结：如果 允许容错，那么一定可以使用 Hperloglog !

          如果 不允许容错，就使用 set 或者自己的数据类型即可 !

---

13.BitMap

位存储                

BitMap 就是通过一个 bit 位来表示某个元素对应的值或者状态 , 其中的 key 就是对应元素本身 ，实际上底层也是通过对字符串的操作来实现。Redis 从 2.2 版本之后新增了 setbit, getbit, bitcount 等几个bitmap 相关命令。

        在开发中，可能会遇到这种情况：需要统计用户的某些信息，如活跃或不活跃，登录或者不登录；又如需要记录用户一年的打卡情况，打卡了是1， 没有打卡是 0 ，如果使用普通的 key/value 存储，则要记录365条记录，如果用户量很大，需要的空间也会很大，所以 Redis 提供了 Bitmap 位图这中数据结构，Bitmap 就是通过操作二进制位来进行记录，即为 0 和 1 ；如果要记录 365 天的打卡情况，使用 Bitmap 表示的形式大概如下：0101000111000111........................... ，这样有什么好处呢？当然就是节约内存了，365 天相当于 365 bit ，又 1 字节 = 8 bit , 所以相当于使用 46 个字节即可。

SETBIT key offset value : 设置 key 的第 offset 位为value (1或0)

# 周一： 1 ，周二： 0 ，周三： 0 ，周四： 1 ，周五： 1 ，周六： 0 ，周天： 0 （ 1 为打卡， 0 为不打卡）

127 .0.0.1:6379> setbit sign 0 1

0

127 .0.0.1:6379> setbit sign 1 0

0

127 .0.0.1:6379> setbit sign 2 0

0

127 .0.0.1:6379> setbit sign 3 1

0

127 .0.0.1:6379> setbit sign 4 1

0

127 .0.0.1:6379> setbit sign 5 0

0

127 .0.0.1:6379> setbit sign 6 0

0

GETBIT key offset 获取offset设置的值，未设置过默认返回0

127 .0.0.1:6379> getbit sign 3 # 查看周四是否打卡

1

127 .0.0.1:6379> getbit sign 6 # 查看周七是否打卡

0

bitcount 统计操作

# 统计这周打卡的记录，可以看到只有 3 天是打卡的状态：

127 .0.0.1:6379> bitcount sign

3

---

14.Redis基本的事务操作

Redis单条命令保存原子性，但是事务不保证原子性！

Redis事务的本质：一组命令的集合！一个事务中的所有命令都会被序列化,在事务执行过程中，会按照顺序执行！

--------队列 set  set   set 执行--------（一次性、顺序性、排他性，执行一些命令）

Redis事务没有隔离级别的概念      

        所有的命令在事务中,并没有直接被执行!只有发起执行命令的时候才会执行！Exec

Redis的事务:

•        开启事务  multi
•        命令入队
•        执行事务 

正常执行:

放弃事务:

若在事务队列中存在命令性错误（类似于 java 编译性错误），则执行 EXEC 命令时，所有命令都不会执行

若在事务队列中存在语法性错误（类似于java 的1/0 的运行时异常），则执行 EXEC命令时，其他正确命令会被执行，错误命令抛出异常。

---

15.Redis实现乐观锁

悲观锁：

悲观锁 (Pessimistic Lock), 顾名思义，就是很悲观，每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，这样别人想拿到这个数据就会block 直到它拿到锁。传统的关系型数据库里面就用到了很多这种锁机制，比如行锁，表锁等，读锁，写锁等，都是在操作之前先上锁

乐观锁：

乐观锁 (Optimistic Lock), 顾名思义，就是很乐观，每次去拿数据的时候都认为别人不会修改，所以不会上锁。但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，可以使用版本号等机制，乐观锁适用于多读的应用类型，这样可以提高吞吐量，乐观锁策略：提交版本必须大于记录当前版本才能执行更新

测试:

初始化信用卡可用余额和欠额

127 .0.0.1:6379> set balance 100

OK

127 .0.0.1:6379> set debt 0

OK

检测

127 .0.0.1:6379> watch balance  #监视balance对象

OK

127 .0.0.1:6379> MULTI #事务正常结束,数据期间没有发生变动,这个时候正常执行成功

OK

127 .0.0.1:6379> decrby balance 20

QUEUED

127 .0.0.1:6379> incrby debt 20

QUEUED

127 .0.0.1:6379> exec

1 ) (integer) 80

2 ) (integer) 20

---

如果开了2个窗口

# 窗口一

127 .0.0.1:6379> watch balance

OK

127 .0.0.1:6379> MULTI # 执行完毕后，执行窗口二代码测试

OK

127 .0.0.1:6379> decrby balance 20

QUEUED

127 .0.0.1:6379> incrby debt 20

QUEUED

127 .0.0.1:6379> exec 

(nil)

exec操作之前在第二个窗口

# 窗口二

127 .0.0.1:6379> get balance

"80"

127 .0.0.1:6379> set balance 200

OK

这时候会修改失败(执行之前,另外一个线程,修改了我们的值,这个时候,就会导致事务执行失败！

# 窗口一：出现问题后放弃监视，然后重来！

127 .0.0.1:6379> UNWATCH # 放弃监视

OK

127 .0.0.1:6379> watch balance

OK

127 .0.0.1:6379> MULTI

OK

127 .0.0.1:6379> decrby balance 20

QUEUED

127 .0.0.1:6379> incrby debt 20

QUEUED

127 .0.0.1:6379> exec # 成功！

1 ) (integer) 180

2 ) (integer) 40

注：一但执行 EXEC 开启事务的执行后，无论事务使用执行成功， WARCH 对变量的监控都将被取消。 故当事务执行失败后，需重新执行WATCH命令对变量进行监控，并开启新的事务进行操作。

小结:

watch 指令类似于乐观锁，在事务提交时，如果 watch 监控的多个 KEY 中任何 KEY 的值已经被其他客户端更改，则使用EXEC 执行事务时，事务队列将不会被执行，同时返回 Nullmulti-bulk 应答以通知调用者事务执行失败。

---

16.Jedis

我们要使用java来操作Redis

jedis是Redis官方推荐的 java 连接开发工具,使用java操作Redis中间件.

 <dependencies>
        <dependency>
            <groupId>redis.clients</groupId>
            <artifactId>jedis</artifactId>
            <version>3.2.0</version>
        </dependency>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.58</version>
        </dependency>

    </dependencies>

public class Ping {
    public static void main(String[] args) {
        Jedis jedis = new Jedis("127.0.0.1",6379);
        System.out.println("连接成功");
//查看服务是否运行
        System.out.println("服务正在运行: "+jedis.ping());


    }
}

---

对key操作的命令

public class TestKey {
    public static void main(String[] args) {
        Jedis jedis = new Jedis("127.0.0.1", 6379);
        System.out.println("清空数据："+jedis.flushDB());
        System.out.println("判断某个键是否存在："+jedis.exists("username"));
        System.out.println("新增<'username','kuangshen'>的键值对:"+jedis.set("username", "kuangshen"));
                System.out.println("新增<'password','password'>的键值对:"+jedis.set("password", "password"));
                        System.out.print("系统中所有的键如下：");
        Set<String> keys = jedis.keys("*");
        System.out.println(keys);
        System.out.println("删除键password:"+jedis.del("password"));
        System.out.println("判断键password是否存:"+jedis.exists("password"));
                System.out.println("查看键username所存储的值的类 型:"+jedis.type("username"));
                        System.out.println("随机返回key空间的一个："+jedis.randomKey());
        System.out.println("重命名key："+jedis.rename("username","name"));
        System.out.println("取出改后的name："+jedis.get("name"));
        System.out.println("按索引查询："+jedis.select(0));
        System.out.println("删除当前选择数据库中的所有key："+jedis.flushDB());
        System.out.println("返回当前数据库中key的数目："+jedis.dbSize());
        System.out.println("删除所有数据库中的所有key："+jedis.flushAll());
    }
}

---

对String操作的命令

public class TestString {
public static void main(String[] args) {
Jedis jedis = new Jedis("127.0.0.1", 6379);
jedis.flushDB();
System.out.println("===========增加数据===========");
System.out.println(jedis.set("key1","value1"));
System.out.println(jedis.set("key2","value2"));
System.out.println(jedis.set("key3", "value3"));
System.out.println("删除键key2:"+jedis.del("key2"));
System.out.println("获取键key2:"+jedis.get("key2"));
System.out.println("修改key1:"+jedis.set("key1", "value1Changed"));
System.out.println("获取key1的值："+jedis.get("key1"));
System.out.println("在key3后面加入值："+jedis.append("key3", "End"));
System.out.println("key3的值："+jedis.get("key3"));
System.out.println("增加多个键值
对："+jedis.mset("key01","value01","key02","value02","key03","value03"));
System.out.println("获取多个键值
对："+jedis.mget("key01","key02","key03"));
System.out.println("获取多个键值
对："+jedis.mget("key01","key02","key03","key04"));
System.out.println("删除多个键值对："+jedis.del("key01","key02"));
System.out.println("获取多个键值
对："+jedis.mget("key01","key02","key03"));
jedis.flushDB();
System.out.println("===========新增键值对防止覆盖原先值==============");
System.out.println(jedis.setnx("key1", "value1"));
System.out.println(jedis.setnx("key2", "value2"));
System.out.println(jedis.setnx("key2", "value2-new"));
System.out.println(jedis.get("key1"));
System.out.println(jedis.get("key2"));
System.out.println("===========新增键值对并设置有效时间=============");
System.out.println(jedis.setex("key3", 2, "value3"));
System.out.println(jedis.get("key3"));
try {
TimeUnit.SECONDS.sleep(3);
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println(jedis.get("key3"));
System.out.println("===========获取原值，更新为新值==========");
System.out.println(jedis.getSet("key2", "key2GetSet"));
System.out.println(jedis.get("key2"));
System.out.println("获得key2的值的字串："+jedis.getrange("key2", 2,
4));
}
}

---

对List操作命令

public class TestList {
public static void main(String[] args) {
Jedis jedis = new Jedis("127.0.0.1", 6379);
jedis.flushDB();
System.out.println("===========添加一个list===========");
jedis.lpush("collections", "ArrayList", "Vector", "Stack",
"HashMap", "WeakHashMap", "LinkedHashMap");
jedis.lpush("collections", "HashSet");
jedis.lpush("collections", "TreeSet");
jedis.lpush("collections", "TreeMap");
System.out.println("collections的内容："+jedis.lrange("collections",
0, -1));//-1代表倒数第一个元素，-2代表倒数第二个元素,end为-1表示查询全部System.out.println("collections区间0-3的元
素："+jedis.lrange("collections",0,3));
System.out.println("===============================");
// 删除列表指定的值 ，第二个参数为删除的个数（有重复时），后add进去的值先被删，类
似于出栈
System.out.println("删除指定元素个数："+jedis.lrem("collections", 2,
"HashMap"));
System.out.println("collections的内容："+jedis.lrange("collections",
0, -1));
System.out.println("删除下表0-3区间之外的元
素："+jedis.ltrim("collections", 0, 3));
System.out.println("collections的内容："+jedis.lrange("collections",
0, -1));
System.out.println("collections列表出栈（左
端）："+jedis.lpop("collections"));
System.out.println("collections的内容："+jedis.lrange("collections",
0, -1));
System.out.println("collections添加元素，从列表右端，与lpush相对
应："+jedis.rpush("collections", "EnumMap"));
System.out.println("collections的内容："+jedis.lrange("collections",
0, -1));
System.out.println("collections列表出栈（右
端）："+jedis.rpop("collections"));
System.out.println("collections的内容："+jedis.lrange("collections",
0, -1));
System.out.println("修改collections指定下标1的内
容："+jedis.lset("collections", 1, "LinkedArrayList"));
System.out.println("collections的内容："+jedis.lrange("collections",
0, -1));
System.out.println("===============================");
System.out.println("collections的长度："+jedis.llen("collections"));
System.out.println("获取collections下标为2的元
素："+jedis.lindex("collections", 2));
System.out.println("===============================");
jedis.lpush("sortedList", "3","6","2","0","7","4");
System.out.println("sortedList排序前："+jedis.lrange("sortedList", 0,
-1));
System.out.println(jedis.sort("sortedList"));
System.out.println("sortedList排序后："+jedis.lrange("sortedList", 0,
-1));
}
}

---

对Set的操作命令

public class TestSet {
public static void main(String[] args) {
Jedis jedis = new Jedis("127.0.0.1", 6379);
jedis.flushDB();
System.out.println("============向集合中添加元素（不重复）
============");
System.out.println(jedis.sadd("eleSet",
"e1","e2","e4","e3","e0","e8","e7","e5"));
System.out.println(jedis.sadd("eleSet", "e6"));
System.out.println(jedis.sadd("eleSet", "e6"));
System.out.println("eleSet的所有元素为："+jedis.smembers("eleSet"));
System.out.println("删除一个元素e0："+jedis.srem("eleSet", "e0"));
System.out.println("eleSet的所有元素为："+jedis.smembers("eleSet"));
System.out.println("删除两个元素e7和e6："+jedis.srem("eleSet",
"e7","e6"));
System.out.println("eleSet的所有元素为："+jedis.smembers("eleSet"));
System.out.println("随机的移除集合中的一个元素："+jedis.spop("eleSet"));
System.out.println("随机的移除集合中的一个元素："+jedis.spop("eleSet"));
System.out.println("eleSet的所有元素为："+jedis.smembers("eleSet"));
System.out.println("eleSet中包含元素的个数："+jedis.scard("eleSet"));
System.out.println("e3是否在eleSet中："+jedis.sismember("eleSet",
"e3"));
System.out.println("e1是否在eleSet中："+jedis.sismember("eleSet",
"e1"));
System.out.println("e1是否在eleSet中："+jedis.sismember("eleSet",
"e5"));
System.out.println("=================================");
System.out.println(jedis.sadd("eleSet1",
"e1","e2","e4","e3","e0","e8","e7","e5"));
System.out.println(jedis.sadd("eleSet2",
"e1","e2","e4","e3","e0","e8"));
System.out.println("将eleSet1中删除e1并存入eleSet3
中："+jedis.smove("eleSet1", "eleSet3", "e1"));//移到集合元素
System.out.println("将eleSet1中删除e2并存入eleSet3
中："+jedis.smove("eleSet1", "eleSet3", "e2"));
System.out.println("eleSet1中的元素："+jedis.smembers("eleSet1"));
System.out.println("eleSet3中的元素："+jedis.smembers("eleSet3"));
System.out.println("============集合运算=================");
System.out.println("eleSet1中的元素："+jedis.smembers("eleSet1"));
System.out.println("eleSet2中的元素："+jedis.smembers("eleSet2"));
System.out.println("eleSet1和eleSet2的交
集:"+jedis.sinter("eleSet1","eleSet2"));
System.out.println("eleSet1和eleSet2的并
集:"+jedis.sunion("eleSet1","eleSet2"));
System.out.println("eleSet1和eleSet2的差
集:"+jedis.sdiff("eleSet1","eleSet2"));//eleSet1中有，eleSet2中没有
jedis.sinterstore("eleSet4","eleSet1","eleSet2");//求交集并将交集保存到
dstkey的集合
System.out.println("eleSet4中的元素："+jedis.smembers("eleSet4"));
}
}

---

对Hash的操作命令

public class TestHash {
public static void main(String[] args) {
Jedis jedis = new Jedis("127.0.0.1", 6379);
jedis.flushDB();
Map<String,String> map = new HashMap<>();
map.put("key1","value1");
map.put("key2","value2");
map.put("key3","value3");
map.put("key4","value4");
//添加名称为hash（key）的hash元素
jedis.hmset("hash",map);
//向名称为hash的hash中添加key为key5，value为value5元素
jedis.hset("hash", "key5", "value5");
System.out.println("散列hash的所有键值对
为："+jedis.hgetAll("hash"));//return Map<String,String>
System.out.println("散列hash的所有键为："+jedis.hkeys("hash"));//return
Set<String>
System.out.println("散列hash的所有值为："+jedis.hvals("hash"));//return
List<String>
System.out.println("将key6保存的值加上一个整数，如果key6不存在则添加
key6："+jedis.hincrBy("hash", "key6", 6));
System.out.println("散列hash的所有键值对为："+jedis.hgetAll("hash"));
System.out.println("将key6保存的值加上一个整数，如果key6不存在则添加
key6："+jedis.hincrBy("hash", "key6", 3));
System.out.println("散列hash的所有键值对为："+jedis.hgetAll("hash"));
System.out.println("删除一个或者多个键值对："+jedis.hdel("hash",
"key2"));
System.out.println("散列hash的所有键值对为："+jedis.hgetAll("hash"));
System.out.println("散列hash中键值对的个数："+jedis.hlen("hash"));
System.out.println("判断hash中是否存在
key2："+jedis.hexists("hash","key2"));
System.out.println("判断hash中是否存在
key3："+jedis.hexists("hash","key3"));
System.out.println("获取hash中的值："+jedis.hmget("hash","key3"));
System.out.println("获取hash中的
值："+jedis.hmget("hash","key3","key4"));
}
}

---

17.SpringBoot整合Redis

yaml配置

spring.redis.host=127.0.0.1
spring.redis.port=6379

@SpringBootTest
class RedisSpringboot01ApplicationTests {
    @Autowired
    private RedisTemplate redisTemplate;

    @Test
    void contextLoads() {
        //opsForValue 操作字符串 类似于String (ForList 操作list)
        redisTemplate.opsForValue().set("key", "value");

        System.out.println(redisTemplate.opsForValue().get("key"));

    }

}

---

18.自定义RedisTemplate

@Configuration
public class RedisConfig {
    //编写我们自己的redisTemplate
    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class);
        //配置具体的序列化方式
        template.setKeySerializer(new StringRedisSerializer());

        template.setConnectionFactory(redisConnectionFactory);
        return template;

    }
    
}

@Configuration
public class RedisConfig {

//自己定义了一个 RedisTemplate
@Bean
@SuppressWarnings("all")public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory
factory) {
//为了开发方便一般直接使用<String,Object>
RedisTemplate<String, Object> template = new RedisTemplate<String,
Object>();
template.setConnectionFactory(factory);
//Json序列化配置
Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new
Jackson2JsonRedisSerializer(Object.class);
ObjectMapper om = new ObjectMapper();
om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
jackson2JsonRedisSerializer.setObjectMapper(om);
//String 的序列化
StringRedisSerializer stringRedisSerializer = new
StringRedisSerializer();
// key采用String的序列化方式
template.setKeySerializer(stringRedisSerializer);
// hash的key也采用String的序列化方式
template.setHashKeySerializer(stringRedisSerializer);
// value序列化方式采用jackson
template.setValueSerializer(jackson2JsonRedisSerializer);
// hash的value序列化方式采用jackson
template.setHashValueSerializer(jackson2JsonRedisSerializer);
template.afterPropertiesSet();
return template;
}
}

---

写一个Redis工具类（直接用RedisTemplate操作Redis，需要很多行代码，因此直接封装好一个 RedisUtils，这样写代码更方便点。这个RedisUtils交给Spring容器实例化，使用时直接注解注入。）

@Component
public final class RedisUtil {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
// =============================common============================
/**
* 指定缓存失效时间
* @param key 键
* @param time 时间(秒)
*/
public boolean expire(String key, long time) {
try {if (time > 0) {
redisTemplate.expire(key, time, TimeUnit.SECONDS);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 根据key 获取过期时间
* @param key 键 不能为null
* @return 时间(秒) 返回0代表为永久有效
*/
public long getExpire(String key) {
return redisTemplate.getExpire(key, TimeUnit.SECONDS);
}
/**
* 判断key是否存在
* @param key 键
* @return true 存在 false不存在
*/
public boolean hasKey(String key) {
try {
return redisTemplate.hasKey(key);
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 删除缓存
* @param key 可以传一个值 或多个
*/
@SuppressWarnings("unchecked")
public void del(String... key) {
if (key != null && key.length > 0) {
if (key.length == 1) {
redisTemplate.delete(key[0]);
} else {
redisTemplate.delete(CollectionUtils.arrayToList(key));
}
}
}
// ============================String=============================
/**
* 普通缓存获取
* @param key 键
* @return 值
*/public Object get(String key) {
return key == null ? null : redisTemplate.opsForValue().get(key);
}
/**
* 普通缓存放入
* @param key 键
* @param value 值
* @return true成功 false失败
*/
public boolean set(String key, Object value) {
try {
redisTemplate.opsForValue().set(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 普通缓存放入并设置时间
* @param key 键
* @param value 值
* @param time 时间(秒) time要大于0 如果time小于等于0 将设置无限期
* @return true成功 false 失败
*/
public boolean set(String key, Object value, long time) {
try {
if (time > 0) {
redisTemplate.opsForValue().set(key, value, time,
TimeUnit.SECONDS);
} else {
set(key, value);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 递增
* @param key 键
* @param delta 要增加几(大于0)
*/
public long incr(String key, long delta) {
if (delta < 0) {
throw new RuntimeException("递增因子必须大于0");
}
return redisTemplate.opsForValue().increment(key, delta);
}/**
* 递减
* @param key 键
* @param delta 要减少几(小于0)
*/
public long decr(String key, long delta) {
if (delta < 0) {
throw new RuntimeException("递减因子必须大于0");
}
return redisTemplate.opsForValue().increment(key, -delta);
}
// ================================Map=================================
/**
* HashGet
* @param key 键 不能为null
* @param item 项 不能为null
*/
public Object hget(String key, String item) {
return redisTemplate.opsForHash().get(key, item);
}
/**
* 获取hashKey对应的所有键值
* @param key 键
* @return 对应的多个键值
*/
public Map<Object, Object> hmget(String key) {
return redisTemplate.opsForHash().entries(key);
}
/**
* HashSet
* @param key 键
* @param map 对应多个键值
*/
public boolean hmset(String key, Map<String, Object> map) {
try {
redisTemplate.opsForHash().putAll(key, map);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* HashSet 并设置时间
* @param key 键
* @param map 对应多个键值
* @param time 时间(秒)
* @return true成功 false失败
*/
public boolean hmset(String key, Map<String, Object> map, long time) {try {
redisTemplate.opsForHash().putAll(key, map);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 向一张hash表中放入数据,如果不存在将创建
*
* @param key 键
* @param item 项
* @param value 值
* @return true 成功 false失败
*/
public boolean hset(String key, String item, Object value) {
try {
redisTemplate.opsForHash().put(key, item, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 向一张hash表中放入数据,如果不存在将创建
*
* @param key 键
* @param item 项
* @param value 值
* @param time 时间(秒) 注意:如果已存在的hash表有时间,这里将会替换原有的时间
* @return true 成功 false失败
*/
public boolean hset(String key, String item, Object value, long time) {
try {
redisTemplate.opsForHash().put(key, item, value);
if (time > 0) {
expire(key, time);
}
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 删除hash表中的值
*
* @param key 键 不能为null* @param item 项 可以使多个 不能为null
*/
public void hdel(String key, Object... item) {
redisTemplate.opsForHash().delete(key, item);
}
/**
* 判断hash表中是否有该项的值
*
* @param key 键 不能为null
* @param item 项 不能为null
* @return true 存在 false不存在
*/
public boolean hHasKey(String key, String item) {
return redisTemplate.opsForHash().hasKey(key, item);
}
/**
* hash递增 如果不存在,就会创建一个 并把新增后的值返回
*
* @param key 键
* @param item 项
* @param by 要增加几(大于0)
*/
public double hincr(String key, String item, double by) {
return redisTemplate.opsForHash().increment(key, item, by);
}
/**
* hash递减
*
* @param key 键
* @param item 项
* @param by 要减少记(小于0)
*/
public double hdecr(String key, String item, double by) {
return redisTemplate.opsForHash().increment(key, item, -by);
}
// ============================set=============================
/**
* 根据key获取Set中的所有值
* @param key 键
*/
public Set<Object> sGet(String key) {
try {
return redisTemplate.opsForSet().members(key);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}/**
* 根据value从一个set中查询,是否存在
*
* @param key 键
* @param value 值
* @return true 存在 false不存在
*/
public boolean sHasKey(String key, Object value) {
try {
return redisTemplate.opsForSet().isMember(key, value);
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将数据放入set缓存
*
* @param key 键
* @param values 值 可以是多个
* @return 成功个数
*/
public long sSet(String key, Object... values) {
try {
return redisTemplate.opsForSet().add(key, values);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 将set数据放入缓存
*
* @param key 键
* @param time 时间(秒)
* @param values 值 可以是多个
* @return 成功个数
*/
public long sSetAndTime(String key, long time, Object... values) {
try {
Long count = redisTemplate.opsForSet().add(key, values);
if (time > 0)
expire(key, time);
return count;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 获取set缓存的长度*
* @param key 键
*/
public long sGetSetSize(String key) {
try {
return redisTemplate.opsForSet().size(key);
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 移除值为value的
*
* @param key 键
* @param values 值 可以是多个
* @return 移除的个数
*/
public long setRemove(String key, Object... values) {
try {
Long count = redisTemplate.opsForSet().remove(key, values);
return count;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
// ===============================list=================================
/**
* 获取list缓存的内容
*
* @param key 键
* @param start 开始
* @param end 结束 0 到 -1代表所有值
*/
public List<Object> lGet(String key, long start, long end) {
try {
return redisTemplate.opsForList().range(key, start, end);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
/**
* 获取list缓存的长度
*
* @param key 键
*/
public long lGetListSize(String key) {
try {
return redisTemplate.opsForList().size(key);} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
/**
* 通过索引 获取list中的值
*
* @param key 键
* @param index 索引 index>=0时， 0 表头，1 第二个元素，依次类推；index<0
时，-1，表尾，-2倒数第二个元素，依次类推
*/
public Object lGetIndex(String key, long index) {
try {
return redisTemplate.opsForList().index(key, index);
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
/**
* 将list放入缓存
*
* @param key 键
* @param value 值
*/
public boolean lSet(String key, Object value) {
try {
redisTemplate.opsForList().rightPush(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
* @param key 键
* @param value 值
* @param time 时间(秒)
*/
public boolean lSet(String key, Object value, long time) {
try {
redisTemplate.opsForList().rightPush(key, value);
if (time > 0)
expire(key, time);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}}
/**
* 将list放入缓存
*
* @param key 键
* @param value 值
* @return
*/
public boolean lSet(String key, List<Object> value) {
try {
redisTemplate.opsForList().rightPushAll(key, value);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 将list放入缓存
*
* @param key 键
* @param value 值
* @param time 时间(秒)
* @return
*/
public boolean lSet(String key, List<Object> value, long time) {
try {
redisTemplate.opsForList().rightPushAll(key, value);
if (time > 0)
expire(key, time);
return true;
} catch (Exception e) {
e.printStackTrace();
return false;
}
}
/**
* 根据索引修改list中的某条数据
*
* @param key 键
* @param index 索引
* @param value 值
* @return
*/
public boolean lUpdateIndex(String key, long index, Object value) {
try {
redisTemplate.opsForList().set(key, index, value);
ren true;
} catch (Exception e) {
e.printStackTrace();
return false;}
}
/**
* 移除N个值为value
*
* @param key 键
* @param count 移除多少个
* @param value 值
* @return 移除的个数
*/
public long lRemove(String key, long count, Object value) {
try {
Long remove = redisTemplate.opsForList().remove(key, count,
value);
return remove;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
}

---

19.Redis.conf配置文件详解

Units 单位

最后一行:对大小写不敏感

INCLUDES 包含

和 Spring 配置文件类似，可以通过 includes 包含， redis.conf 可以作为总文件，可以包含其他文件！

NETWORK 网络配置

bind 127 .0.0.1 # 绑定的 ip

protected-mode yes # 保护模式

port 6379 # 默认端口

GENERAL 通用

daemonize yes # 默认情况下， Redis 不作为守护进程运行。需要开启的话，改为 yes

supervised no # 可通过 upstart 和 systemd 管理 Redis 守护进程

pidfile /var/run/redis_6379.pid # 以后台进程方式运行 redis ，则需要指定 pid 文件

loglevel notice # 日志级别。可选项有：

# debug （记录大量日志信息，适用于开发、测试阶段）；

# verbose（较多日志信息）；

# notice （适量日志信息，使用于生产环境）；

# warning （仅有部分重要、关键信息才会被记录）。

logfile "" # 日志文件的位置，当指定为空字符串时，为标准输出

databases 16 # 设置数据库的数目。默认的数据库是 DB 0

always-show-logo yes # 是否总是显示 logo

SNAPSHOPTING 快照

持久化，在规定时间内执行了多少次操作，则会持久化到文件 .rdb.aof

# 900 秒（ 15 分钟）内至少 1 个 key 值改变（则进行数据库保存 -- 持久化）

save 900 1

# 300 秒（ 5 分钟）内至少 10 个 key 值改变（则进行数据库保存 -- 持久化）

save 300 10

# 60 秒（ 1 分钟）内至少 10000 个 key 值改变（则进行数据库保存 -- 持久化）

save 60 10000

stop-writes-on-bgsave-error yes # 持久化出现错误后，是否依然进行继续进行工作

rdbcompression yes # 使用压缩 rdb 文件 yes ：压缩，但是需要一些 cpu 的消耗。 no ：不压

缩，需要更多的磁盘空间

rdbchecksum yes # 是否校验 rdb 文件，更有利于文件的容错性，但是在保存 rdb 文件的时

候，会有大概 10% 的性能损耗

dbfilename dump.rdb # dbfilenamerdb 文件名称

dir ./ # dir 数据目录，数据库的写入会在这个目录。 rdb 、 aof 文件也会写在这个目录

SECURITY安全

访问密码的查看，设置和取消,在这里可以设置redis的密码，默认是没有密码的！

# 启动 redis

# 连接客户端

# 获得和设置密码

config get requirepass

config set requirepass "123456"

# 测试 ping ，发现需要验证

127 .0.0.1:6379> ping

NOAUTH Authentication required.

# 验证

127 .0.0.1:6379> auth 123456

OK

127 .0.0.1:6379> ping

PONG

限制

maxclients 10000 # 设置能连上 redis 的最大客户端连接数量

maxmemory <bytes> # redis 配置的最大内存容量

maxmemory-policy noeviction # maxmemory-policy 内存达到上限的处理策略

#volatile-lru ：利用 LRU 算法移除设置过过期时间的 key 。

#volatile-random ：随机移除设置过过期时间的 key 。

#volatile-ttl ：移除即将过期的 key ，根据最近过期时间来删除（辅以 TTL ）

#allkeys-lru ：利用 LRU 算法移除任何 key 。

#allkeys-random ：随机移除任何 key 。

#noeviction ：不移除任何 key ，只是返回一个写错误。

append only模式

appendonly no # 是否以 append only 模式作为持久化方式，默认使用的是 rdb 方式持久化，这种

方式在许多应用中已经足够用了

appendfilename "appendonly.aof" # appendfilename AOF 文件名称

appendfsync everysec # appendfsync aof 持久化策略的配置

# no 表示不执行 fsync ，由操作系统保证数据同步到磁盘，速度最快。

# always 表示每次写入都执行 fsync ，以保证数据同步到磁盘。

# everysec 表示每秒执行一次 fsync ，可能会导致丢失这 1s 数据。

---

20.持久化之RDB操作

RDB （ Redis DataBase ）

什么是 RDB

在指定的时间间隔内将内存中的数据集快照写入磁盘，也就是相当于 Snapshot 快照，它恢复时是将快照文件直接读到内存里。

Redis 会单独创建（ fork ）一个子进程来进行持久化，会先将数据写入到一个临时文件中，待持久化过程都结束了，再用这个临时文件替换上次持久化好的文件。整个过程中，主进程是不进行任何IO 操作的。 这就确保了极高的性能。如果需要进行大规模数据的恢复，且对于数据恢复的完整性不是非常敏感，那 RDB方式要比 AOF 方式更加的高效。RDB的缺点是最后一次持久化后的数据可能丢失

Fork

Fork 的作用是复制一个与当前进程一样的进程。新进程的所有数据（变量，环境变量，程序计数器等） 数值都和原进程一致，但是是一个全新的进程，并作为原进程的子进程。

Rdb 保存的是 dump.rdb 文件

save 120 10 # 120 秒内修改 10 次则触发 RDB

触发机制：

1.save的规则满足的情况下，会自动触发rdb规则

2.执行 flushall 命令，也会触发

3.退出redis,也会产生 rdb 文件！

备份就自动生成一个 dump.rdb

如何恢复

1 、将备份文件（ dump.rdb ）移动到 redis 安装目录并启动服务即可(启动时会自动恢复其中的数据)

2 、 CONFIG GET dir 获取目录

127 .0.0.1:6379> config get dir

dir

/usr/local/bin

几乎它自己默认的配置就够用了，但是我们还是需要学习

优点和缺点

优点：

1 、适合大规模的数据恢复

2 、对数据完整性和一致性要求不高

缺点：

1 、在一定间隔时间做一次备份，所以如果 redis 意外 down 掉的话，就会丢失最后一次快照后的所有修改

2 、 Fork 的时候，内存中的数据被克隆了一份，大致 2 倍的膨胀性需要考虑

---

21.持久化之AOF操作

将所有命令都执行下来,history,恢复的时候就把这个文件全部在执行一遍.只许追加文件

但不可以改写文件， redis启动之初会读取该文件重新构建数据: Aof 保存的是 appendonly.aof 文件

默认是不开启的，我们需要手动进行配置

appendonly no # 是否以 append only 模式作为持久化方式，默认使用的是 rdb 方式持久化，这

种方式在许多应用中已经足够用了

appendfilename "appendonly.aof" # appendfilename AOF 文件名称

appendfsync everysec # appendfsync aof 持久化策略的配置

# no 表示不执行 fsync ，由操作系统保证数据同步到磁盘，速度最快。

# always 表示每次写入都执行 fsync ，以保证数据同步到磁盘。

# everysec 表示每秒执行一次 fsync ，可能会导致丢失这 1s 数据。

No-appendfsync-on-rewrite # 重写时是否可以运用 Appendfsync ，用默认 no 即可，保证数据安

全性

Auto-aof-rewrite-min-size # 设置重写的基准值

Auto-aof-rewrite-percentage # 设置重写的基准值

优点和缺点

优点：

1.每一次修改都同步，文件的完整会更加好

2.每秒同步一次，可能会丢失一秒的数据

3.从不同步，效率最高的！

缺点：

1.相对于数据文件来说，aof远远大于rdb,修复的速度也比rdb慢

2.Aof运行效率也要比rdb慢，所以我们redis默认的配置就是rdb持久化

---

如果 aof 文件大于64m，太大了！fork一个新的进程来将我们的文件进行重写！

---

扩展:        

1 、 RDB 持久化方式能够在指定的时间间隔内对你的数据进行快照存储

2 、 AOF 持久化方式记录每次对服务器写的操作，当服务器重启的时候会重新执行这些命令来恢复原始的数据，AOF 命令以 Redis 协议追加保存每次写的操作到文件末尾， Redis还能对AOF文件进行后台重 写，使得AOF 文件的体积不至于过大。

3 、只做缓存，如果你只希望你的数据在服务器运行的时候存在，你也可以不使用任何持久化

4 、同时开启两种持久化方式

在这种情况下，当 redis 重启的时候会优先载入 AOF 文件来恢复原始的数据，因为在通常情况下 AOF

文件保存的数据集要比 RDB 文件保存的数据集要完整。

RDB 的数据不实时，同时使用两者时服务器重启也只会找 AOF 文件，那要不要只使用 AOF 呢？建议不要，因为RDB 更适合用于备份数据库（ AOF 在不断变化不好备份），快速重启，而且不会有AOF可能潜在的 Bug ，留着作为一个万一的手段。

5 、性能建议

因为 RDB 文件只用作后备用途，建议只在 Slave 上持久化 RDB 文件，而且只要 15 分钟备份一次就够了，只保留 save 900 1 这条规则。

如果 Enable AOF ，好处是在最恶劣情况下也只会丢失不超过两秒数据，启动脚本较简单只 load 自己的AOF 文件就可以了，代价一是带来了持续的 IO ，二是 AOF rewrite 的最后将 rewrite 过程中产 生的新数据写到新文件造成的阻塞几乎是不可避免的。只要硬盘许可，应该尽量减少AOF rewrite

的频率， AOF 重写的基础大小默认值 64M 太小了，可以设到 5G 以上，默认超过原大小 100% 大小重 写可以改到适当的数值。

如果不 Enable AOF ，仅靠 Master-Slave Repllcation 实现高可用性也可以，能省掉一大笔 IO ，也减少了rewrite 时带来的系统波动。代价是如果 Master/Slave 同时断点

，会丢失十几分钟的数据， 启动脚本也要比较两个 Master/Slave 中的 RDB 文件，载入较新的那个，微博就是这种架构。

---

22.Redis发布订阅

Redis 发布订阅 (pub/sub) 是一种消息通信模式：发送者 (pub) 发送消息，订阅者 (sub) 接收消息。

Redis 客户端可以订阅任意数量的频道。

订阅/发布消息图：

比如发布公众号的信息，这个信息到队列里，然后订阅公众号的人都能接收

命令

测试

在实例中我们创建了订阅频道名为 redisChat :

redis 127 .0.0.1:6379> SUBSCRIBE redisChat

Reading messages... (press Ctrl-C to quit)

1 ) "subscribe"

2 ) "redisChat"

3 ) (integer) 1

现在，我们先重新开启个 redis 客户端，然后在同一个频道 redisChat 发布两次消息，订阅者就能接收到消息。

redis 127 .0.0.1:6379> PUBLISH redisChat "Hello,Redis"

(integer) 1

redis 127 .0.0.1:6379> PUBLISH redisChat "Hello ， Kuangshen"

(integer) 1

# 订阅者的客户端会显示如下消息

1 ) "message"

2 ) "redisChat"

3 ) "Hello,Redis"

1 ) "message"

2 ) "redisChat"

3 ) "Hello ， Kuangshen"

---

原理

Redis 是使用 C 实现的

Redis 通过 PUBLISH 、 SUBSCRIBE 和 PSUBSCRIBE 等命令实现发布和订阅功能。

微信:

        通过 SUBSCRIBE 命令订阅某频道后， redis-server 里维护了一个字典，字典的键就是一个个频道！二字典的值则是一个链表， 链表中保存了所有订阅这个 channel 的客户端。 SUBSCRIBE 命令的关 键，就是将客户端添加到给定 channel 的订阅链表中。

通过 PUBLISH 命令向订阅者发送消息， redis-server 会使用给定的频道作为键，在它所维护的 channel字典中查找记录了订阅这个频道的所有客户端的链表，遍历这个链表，将消息发布给所有订阅者。 Pub/Sub 从字面上理解就是发布（ Publish）与订阅（Subscribe ），在 Redis 中，你可以设定对某一个 key值进行消息发布及消息订阅，当一个 key 值上进行了消息发布后，所有订阅它的客户端都会收到相应的消息。这一功能最明显的用法就是用作实时消息系统，比如普通的即时聊天，群聊等功能。

Pub/Sub 构建实时消息系统

Redis 的 Pub/Sub 系统可以构建实时的消息系统

比如很多用 Pub/Sub 构建的实时聊天系统的例子-——>频道当做聊天室，将信息回显给所有人        

---

23.Redis主从复制

概念:主从复制，是指将一台Redis服务器的数据，复制到其他的Redis服务器。前者称为主节点

(master/leader) ，后者称为从节点 (slave/follower) ； 数据的复制是单向的 ，只能由主节点到从节点。 Master以写为主， Slave 以读为主。

        默认情况下，每台Redis 服务器都是主节点；且一个主节点可以有多个从节点 ( 或没有从节点 ) ，但一个从节点只能有一个主节点。

主从复制，读写分离！80%的情况下都是在进行读操作！减缓服务器的压力！架构中经常使用！一主二从！

作用主要包括：

1 、 数据冗余 ：主从复制实现了数据的热备份，是持久化之外的一种数据冗余方式。

2 、 故障恢复 ：当主节点出现问题时，可以由从节点提供服务，实现快速的故障恢复；实际上是一种服务的冗余。

3 、 负载均衡 ：在主从复制的基础上，配合读写分离，可以由主节点提供写服务，由从节点提供读服务（即写Redis 数据时应用连接主节点，读 Redis 数据时应用连接从节点），分担服务器负载；尤其是在写少读多的场景下，通过多个从节点分担读负载，可以大大提高Redis 服务器的并发量。

4 、 高可用基石 ：除了上述作用以外，主从复制还是哨兵和集群能够实施的基础，因此说主从复制是 Redis高可用的基础。

---

一般来说，要将Redis运用于工程项目中，只使用一台Redis是万万不能的，原因如下：       

1 、从结构上，单个 Redis 服务器会发生单点故障，并且一台服务器需要处理所有的请求负载，压力较大；

2 、从容量上，单个 Redis 服务器内存容量有限，就算一台 Redis 服务器内存容量为 256G ，也不能将所有内存用作Redis 存储内存，一般来说，单台 Redis 最大使用内存不应该超过 20G 。

电商网站上的商品，一般都是一次上传，无数次浏览的，说专业点也就是 " 多读少写 " 。

---

环境配置

Info replication # 查看当前库的信息

1 、拷贝多个 redis.conf 文件

2 、指定端口 6379 ，依次类推

3 、开启 daemonize yes

4 、 Pid 文件名字 pidfile /var/run/redis_6379.pid , 依次类推

5 、 Log 文件名字 logfile "6379.log" , 依次类推

6 、 Dump.rdb 名字 dbfilename dump6379.rdb , 依次类推

上面都配置完毕后， 3 个服务通过 3个不同的配置文件开启，我们的准备环境就OK 了！        

---

一主二从

默认情况下，每台Redis服务器都是主节点

slaveof 主库 ip 主库端口 # 配置主从

在主机设置值，在从机都可以取到！从机不能写值！

测试:主机断开连接，从机依旧连接到主机，但是没用写操作，这个时候，主机如果回来了，从机依旧可以直接获取到主机写的信息！

如        果是使用命令行，来配置的主从，这个时候如果重启了，就会变回主机！只要变回从机，立马就会从主机中获取值

---

 层层链路

上一个Slave 可以是下一个 slave 和 Master ， Slave 同样可以接收其他 slaves 的连接和同步请求，那么该 slave 作为了链条中下一个的 master ，可以有效减轻 master 的写压力！

---

复制原理

Slave 启动成功连接到 master 后会发送一个 sync同步命令

Master 接到命令，启动后台的存盘进程，同时收集所有接收到的用于修改数据集命令，在后台进程执行 完毕之后， master将传送整个数据文件到slave，并完成一次完全同步。

全量复制：而 slave 服务在接收到数据库文件数据后，将其存盘并加载到内存中。

增量复制： Master 继续将新的所有收集到的修改命令依次传给slave，完成同步

但是只要是重新连接 master ，一次完全同步（全量复制）将被自动执行

---

谋朝篡位

一主二从的情况下，如果主机断了，从机可以使用命令 SLAVEOF NO ONE 将自己改为主机！这个时候其余的从机链接到这个节点。对一个从属服务器执行命令 SLAVEOF NO ONE 将使得这个从属服务器关闭复制功能，并从从属服务器转变回主服务器，原来同步所得的数据集不会被丢弃。

---

24.哨兵模式详解

概述：主从切换技术的方法是：当主服务器宕机后，需要手动把一台从服务器切换为主服务器，这就需要人工干预，费事费力，还会造成一段时间内服务不可用。这不是一种推荐的方式，更多时候，我们优先考虑哨兵模式。Redis从2.8开始正式提供了Sentinel（哨兵） 架构来解决这个问题。

谋朝篡位的自动版 ，能够后台监控主机是否故障，如果故障了 根据投票数自动将从库转换为主库

哨兵模式是一种特殊的模式，首先 Redis 提供了哨兵的命令，哨兵是一个独立的进程，作为进程，它会独立运行。其原理是哨兵通过发送命令，等待 Redis 服务器响应，从而监控运行的多个 Redis 实例。

这里的哨兵有两个作用：

        1.通过发送命令，让Redis 服务器返回监控其运行状态，包括主服务器和从服务器。

        2.当哨兵监测到master 宕机，会自动将 slave 切换成 master ，然后通过 发布订阅模式 通知其他的从服务器，修改配置文件，让它们切换主机。

---

然而一个哨兵进程对 Redis 服务器进行监控，可能会出现问题，为此，我们可以使用多个哨兵进行监控。各个哨兵之间还会进行监控，这样就形成了多哨兵模式

假设主服务器宕机，哨兵 1 先检测到这个结果，系统并不会马上进行 failover 过程，仅仅是哨兵 1 主观的认为主服务器不可用，这个现象成为主观下线 。当后面的哨兵也检测到主服务器不可用，并且数量达到一定值时，那么哨兵之间就会进行一次投票，投票的结果由一个哨兵发起，进行failover[ 故障转移 ] 操作。切换成功后，就会通过发布订阅模式，让各个哨兵把自己监控的从服务器实现切换主机，这个过程称为 客观下线 。

---

配置测试

1 、调整结构， 6379 带着 80 、 81

2 、自定义的 /myredis 目录下新建 sentinel.conf 文件，名字千万不要错

3 、配置哨兵，填写内容

• sentinel monitor 被监控主机名字 127.0.0.1 6379 1
• 上面最后一个数字1，表示主机挂掉后slave投票看让谁接替成为主机，得票数多少后成为主机

4 、启动哨兵

Redis-sentinel /myredis/sentinel.conf

上述目录依照各自的实际情况配置，可能目录不同

原有的 Master 挂了，这个时候会从从机中随机选择一个服务器（这里面有个投票算法！）

8 、重新主从继续开工， info replication 查查看

9 、问题：如果之前的 master 重启回来，会不会双 master 冲突？ 之前的回来只能做小弟了

——>只能归并到新的主机下，当做从机，这就是哨兵模式的规则！

---

哨兵模式的优缺点

优点

1. 哨兵集群模式是基于主从模式的，所有主从的优点，哨兵模式同样具有。

2. 主从可以切换，故障可以转移，系统可用性更好。

3. 哨兵模式是主从模式的升级，系统更健壮，可用性更高

缺点

1. Redis 较难支持在线扩容，在集群容量达到上限时在线扩容会变得很复杂。

2. 实现哨兵模式的配置很麻烦，甚至可以说有些繁琐

---

哨兵配置说明

# Example sentinel.conf

# 哨兵 sentinel 实例运行的端口 默认 26379  (如果有哨兵集群，我们还需要配置每个哨兵端口)

port 26379

# 哨兵 sentinel 的工作目录

dir /tmp

# 哨兵 sentinel 监控的 redis 主节点的 ip port

# master-name 可以自己命名的主节点名字 只能由字母 A-z 、数字 0-9 、这三个字符 ".-_" 组成。

# quorum 配置多少个 sentinel 哨兵统一认为 master 主节点失联 那么这时客观上认为主节点失联了

# sentinel monitor <master-name> <ip> <redis-port> <quorum>

sentinel monitor mymaster 127 .0.0.1 6379 2

# 当在 Redis 实例中开启了 requirepass foobared 授权密码 这样所有连接 Redis 实例的客户端都

要提供密码

# 设置哨兵 sentinel 连接主从的密码 注意必须为主从设置一样的验证密码

# sentinel auth-pass <master-name> <password>

sentinel auth-pass mymaster MySUPER--secret-0123passw0rd

# 指定多少毫秒之后 主节点没有应答哨兵 sentinel 此时 哨兵主观上认为主节点下线 默认 30 秒

# sentinel down-after-milliseconds <master-name> <milliseconds>

sentinel down-after-milliseconds mymaster 30000

# 这个配置项指定了在发生 failover 主备切换时最多可以有多少个 slave 同时对新的 master 进行 同

步，

这个数字越小，完成 failover 所需的时间就越长，

但是如果这个数字越大，就意味着越 多的 slave 因为 replication 而不可用。

可以通过将这个值设为 1 来保证每次只有一个 slave 处于不能处理命令请求的状态。

# sentinel parallel-syncs <master-name> <numslaves>

sentinel parallel-syncs mymaster 1

# 故障转移的超时时间 failover-timeout 可以用在以下这些方面：

#1. 同一个 sentinel 对同一个 master 两次 failover 之间的间隔时间。

#2. 当一个 slave 从一个错误的 master 那里同步数据开始计算时间。直到 slave 被纠正为向正确的

master 那里同步数据时。

#3. 当想要取消一个正在进行的 failover 所需要的时间。

#4. 当进行 failover 时，配置所有 slaves 指向新的 master 所需的最大时间。不过，即使过了这个超

时， slaves 依然会被正确配置为指向 master ，但是就不按 parallel-syncs 所配置的规则来了

# 默认三分钟

# sentinel failover-timeout <master-name> <milliseconds>

sentinel failover-timeout mymaster 180000

# SCRIPTS EXECUTION

# 配置当某一事件发生时所需要执行的脚本，可以通过脚本来通知管理员，例如当系统运行不正常时发邮

件通知相关人员。

# 对于脚本的运行结果有以下规则：

# 若脚本执行后返回 1 ，那么该脚本稍后将会被再次执行，重复次数目前默认为 10

# 若脚本执行后返回 2 ，或者比 2 更高的一个返回值，脚本将不会重复执行。

# 如果脚本在执行过程中由于收到系统中断信号被终止了，则同返回值为 1 时的行为相同。

# 一个脚本的最大执行时间为 60s ，如果超过这个时间，脚本将会被一个 SIGKILL 信号终止，之后重新执

行。

# 通知型脚本 : 当 sentinel 有任何警告级别的事件发生时（比如说 redis 实例的主观失效和客观失效等

等），将会去调用这个脚本，这时这个脚本应该通过邮件， SMS 等方式去通知系统管理员关于系统不正常

运行的信息。调用该脚本时，将传给脚本两个参数，一个是事件的类型，一个是事件的描述。如果

sentinel.conf 配置文件中配置了这个脚本路径，那么必须保证这个脚本存在于这个路径，并且是可执

行的，否则 sentinel 无法正常启动成功。

# 通知脚本

# sentinel notification-script <master-name> <script-path>

sentinel notification-script mymaster /var/redis/notify.sh

# 客户端重新配置主节点参数脚本

# 当一个 master 由于 failover 而发生改变时，这个脚本将会被调用，通知相关的客户端关于 master

地址已经发生改变的信息。

# 以下参数将会在调用脚本时传给脚本 :

# <master-name> <role> <state> <from-ip> <from-port> <to-ip> <to-port>

# 目前 <state> 总是 “failover”,

# <role> 是 “leader” 或者 “observer” 中的一个。

# 参数 from-ip, from-port, to-ip, to-port 是用来和旧的 master 和新的 master( 即旧的

slave)通信的

# 这个脚本应该是通用的，能被多次调用，不是针对性的。

# sentinel client-reconfig-script <master-name> <script-path>

sentinel client-reconfig-script mymaster /var/redis/reconfig.sh

---

25.缓存穿透和雪崩

Redis 缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。但同时，它也带来了一些问题。其中，最要害的问题，就是数据的一致性问题，从严格意义上讲，这个问题无解。如果对数据的一致性要求很高，那么就不能使用缓存。

另外的一些典型问题就是，缓存穿透、缓存雪崩和缓存击穿。目前，业界也都有比较流行的解决方案。

概念

缓存穿透的概念很简单，用户想要查询一个数据，发现 redis 内存数据库没有，也就是缓存没有命中，于是向持久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透。

解决方案

        布隆过滤器

布隆过滤器是一种数据结构，对所有可能查询的参数以 hash 形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力；

---

        缓存空对象

当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源

但是这种方法会存在两个问题：

1 、如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键；

2 、即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响。

---

缓存击穿

概述（子弹大量打一个点）

这里需要注意和缓存击穿的区别，缓存击穿，是指一个 key 非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key 在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。

当某个 key 在过期的瞬间，有大量的请求并发访问，这类数据一般是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且回写缓存，会导使数据库瞬间压力过大。

解决方案

设置热点数据永不过期

从缓存层面来看，没有设置过期时间，所以不会出现热点 key 过期后产生的问题。

加互斥锁

分布式锁：使用分布式锁，保证对于每个 key 同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。

---

缓存雪崩

概念

缓存雪崩，是指在某一个时间段，缓存集中过期失效。 Redis宕机        

产生雪崩的原因之一，比如在写本文的时候，马上就要到双十二零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨一点钟的时候，这批商品的缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。于是所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。

其实集中过期，倒不是非常致命，比较致命的缓存雪崩，是缓存服务器某个节点宕机或断网。因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，这个时候，数据库也是可以顶住压力的。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间就把数据库压垮。

解决方案

redis 高可用

这个思想的含义是，既然 redis 有可能挂掉，那我多增设几台 redis ，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。

限流降级

这个解决方案的思想是，在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key 只允许一个线程查询数据和写缓存，其他线程等待。

数据预热

数据加热的含义就是在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key ，设置不同的过期时间，让缓存失效的时间点尽量均匀。

加油，共勉！